University of California, Merced

在TD-JEPA的任务编码上加一项稀疏惩罚，使推断奖励在目标附近更集中，零样本强化学习在DMC平均回报提高53分、OGBench平均成功率提高10.4个百分点。

在TD-JEPA的任务编码上加一项稀疏惩罚，使推断奖励在目标附近更集中，零样本强化学习在DMC平均回报提高53分、OGBench平均成功率提高10.4个百分点。

SkillForge把智能体的技能库从只增不减改成带适应度生命周期的锻造流程，技能与策略在强化学习中共同演化，在ALFWorld、WebShop和搜索增强问答三个交互基准上取得最高总体成功率，相对最强基线最高提升7.8%。

SkillForge把智能体的技能库从只增不减改成带适应度生命周期的锻造流程，技能与策略在强化学习中共同演化，在ALFWorld、WebShop和搜索增强问答三个交互基准上取得最高总体成功率，相对最强基线最高提升7.8%。